TENET：用于运动预测中有效时间流建模的Transformer编码网络
计算机视觉与模式识别
2022-07-04 v1 人工智能
摘要
本技术报告提出了一种用于自动驾驶运动预测的有效方法。我们开发了一种基于Transformer的输入编码与轨迹预测方法。此外，我们提出了时间流头（Temporal Flow Header）以增强轨迹编码。最后，使用了一种高效的K-means集成方法。利用我们的Transformer网络与集成方法，我们以1.90的SOTA brier-minFDE分数赢得了Argoverse 2运动预测挑战赛的第一名。
引用
@article{arxiv.2207.00170,
title = {TENET: Transformer Encoding Network for Effective Temporal Flow on Motion Prediction},
author = {Yuting Wang and Hangning Zhou and Zhigang Zhang and Chen Feng and Huadong Lin and Chaofei Gao and Yizhi Tang and Zhenting Zhao and Shiyu Zhang and Jie Guo and Xuefeng Wang and Ziyao Xu and Chi Zhang},
journal= {arXiv preprint arXiv:2207.00170},
year = {2022}
}